Solr中如何通过正则替换DateField等非TextField字段的索引值

非TextField类型的Solr内置字段（包括TrieDateField、各类数值字段）本身不支持自定义分词、CharFilter这类文本分析配置，你写在<analyzer>标签里的规则不会被加载生效，不用在这个方向上耗时间。生产环境用「存储字段+索引字段分离+更新链预处理」的方案就能完全满足需求，不需要改源码，也不影响日期运算能力。

具体实现步骤 #

• 拆分两个独立字段，分别承担存储和索引职责
  • 原始值存储字段：用string类型（StrField），配置stored="true" indexed="false"，专门存birthday|2000-01-01T00:00:00Z这类完整原始值，不参与任何索引和查询，只在结果返回时输出原始内容
  • 日期索引字段：用原生日期类型（高版本Solr用pdate即DatePointField，老版本用TrieDateField就行），配置stored="false" indexed="true" multiValued="true"，专门存截掉前缀的纯日期值，所有日期范围查询、日期函数运算、时间聚合都走这个字段，完全兼容原生日期类型的所有查询能力
• 配置Solr自带的更新请求处理器链，在文档写入阶段自动完成值拆分，不需要业务端提前处理数据
  1. 先把输入的原始值完整复制到存储字段留存
  2. 用正则替换处理器把输入值里|前缀的部分删掉，得到纯ISO格式日期
  3. 把处理完的纯日期值复制到日期索引字段用于检索

配置示例 #

字段定义 #

<!-- 原始值存储字段：只存不索引 -->
<field name="custom_dates_raw" type="string" multiValued="true" stored="true" indexed="false"/>
<!-- 日期索引字段：只索引不存，用于日期检索运算 -->
<field name="custom_dates_index" type="pdate" multiValued="true" stored="false" indexed="true"/>

更新链配置 #

把下面的配置加到solrconfig.xml里，写入文档时指定使用这个更新链即可自动完成值拆分：

<updateRequestProcessorChain name="dateSplitChain">
  <!-- 备份原始值到存储字段 -->
  <processor class="solr.CloneFieldUpdateProcessorFactory">
    <str name="source">custom_dates</str>
    <str name="dest">custom_dates_raw</str>
  </processor>
  <!-- 正则截掉|前的前缀，得到纯日期字符串 -->
  <processor class="solr.RegexReplaceProcessorFactory">
    <str name="fieldName">custom_dates</str>
    <str name="pattern">^.*?\|(.*)$</str>
    <str name="replacement">$1</str>
  </processor>
  <!-- 处理后的纯日期值写入索引字段 -->
  <processor class="solr.CloneFieldUpdateProcessorFactory">
    <str name="source">custom_dates</str>
    <str name="dest">custom_dates_index</str>
  </processor>
  <!-- 清理临时输入字段，不需要可以删除这步 -->
  <processor class="solr.RemoveFieldUpdateProcessorFactory">
    <str name="fieldName">custom_dates</str>
  </processor>
  <processor class="solr.LogUpdateProcessorFactory"/>
  <processor class="solr.DistributedUpdateProcessorFactory"/>
  <processor class="solr.RunUpdateProcessorFactory"/>
</updateRequestProcessorChain>

其他可选方案 #

如果必须用单字段实现，可以自己写Java代码自定义字段类型，继承对应的原生日期字段类，重写索引阶段的值解析逻辑，在解析前加正则替换步骤，打包成jar放到Solr的lib目录加载即可。但这个方案需要自己维护自定义组件代码，版本升级兼容性差，没有特殊需求不推荐用。

注意：Solr所有非文本的点类型字段（日期、数值、地理坐标等）的分析逻辑是硬编码实现的，无论怎么配置<analyzer>下的tokenizer、charFilter都不会生效，不用尝试这类配置。

内容的提问来源于stack exchange，提问作者Tim